0

在指定列中定位和删除多个字符串的最有效方法是什么（使用尽可能少的行）？

有关可能有帮助的 .tsv 数据集的信息：

'tconst' = 电影 ID

'region' = 电影上映的地区

'语言' = 电影语言

这是我现在所拥有的：

origin.drop(origin.columns[[1,2,5,6,7]], axis=1, inplace=True)
origin.columns = ['tconst','region','language']
origin.drop(origin.loc[origin['region']!=('US')].index, inplace=True)

我正在尝试删除“区域”列下的所有行，这些行包含不说英语的国家/地区的字符串值缩写。例如，删除区域下不等于'US'、'UK'、'AUS'等的所有行。我已经尝试过括号中的 & 和 or 操作数，它们倾向于只选择和删除我放置在其中的一个字符串值。

附加问题：

“语言”列包含大量空值（我并不关心），但是有些行包含英语的“en”。如果“区域”恰好是非英语国家，但语言是英语，我如何防止这些行也被删除？

4

1 回答 1

1

假设我正确理解了您的问题，并且如果您指定的条件成立，您想删除整行，您可以将它们写为掩码，例如

cond1 = origin['region'].isin(['US', 'UK', 'AUS'])
cond2 = origin['language'] == 'en'

将它们结合起来（您希望至少有一个条件为真以保持连续）与|您得到

result = origin[cond1 | cond2]

当然，如果您愿意，也可以将其写在一行中：

result = origin[(origin['region'].isin(['US', 'UK', 'AUS'])) | (origin['language'] == 'en')]
于 2020-11-01T21:56:12.777 回答